OpenVINO™与TensorFlow的集成现在附带Docker支持

目录

让我们开始吧！

链接

资源

---

嗨，欢迎阅读有关将 Docker 与英特尔的OpenVINO™集成与Tensorflow* 结合使用的图解指南，以加速在英特尔硬件上推理TensorFlow模型。

在这篇文章中，我们将首先使用 DockerHub 上可用的预构建镜像。然后，我们将介绍通过Docker访问对象检测notebook所需的确切命令。

让我们开始吧！

在这篇文章中，我们将尝试在Windows操作系统上运行OpenVINO™与TensorFlow*的集成。您将需要适用于Windows的Docker桌面。

如果您打算在Ubuntu操作系统上试用，请参阅此链接。该链接还提供了有关从托管的Dockerfile构建运行时镜像的说明。

首先，我们只是在我的英特尔®酷睿™ i7 CPU上提取并运行最新的docker镜像。为此，请单击此链接并向下滚动到“Docker支持”部分，然后选择您选择的Ubuntu预构建镜像。

在这里，我们将使用 Ubuntu 20预构建镜像。

接下来，在Windows PowerShell中键入以下命令。

• Docker pull openvino/openvino_tensorflow_ubuntu20_runtime
• docker run -it --rm -p 8888：8888 openvino/openvino_tensorflow_ubuntu20_runtime：latest

您会注意到两件事：

• OpenVINO™环境已初始化
• 托管notebook的服务器位置和URL

若要访问notebook，请在浏览器中复制粘贴托管notebook的URL。

注意：docker 镜像托管了一个 Jupyter 服务器，其中包含图像分类和对象检测示例，这些示例演示了使用OpenVINO™与TensorFlow*集成的性能优势。

您可以在Docker桌面上查看镜像的状态，如下所示。

此外，如果您愿意，请查看这篇文章的视频版本以及运行notebook的步骤。您会惊讶地见证增加的加速度和模型的性能如此出色。

https://youtube.com/embed/ulYvbffHa50

视频顶级域名;该视频展示了一个notebook，该notebook涵盖了对象检测用例，并演示了在coco数据集上训练的YOLOv4模型的加速。您可以在GitHub上找到此特定示例。

最后，如果您有兴趣探索更多使用Docker和OpenVINO™与Tensorflow集成的notebook，这里有一些您可能会喜欢的精彩资源的链接。这篇文章深受他们的启发。

链接

OpenVINO™与TensorFlow* GitHub的集成主页：https://github.com/openvinotoolkit/openvino_tensorflow

预构建镜像：

https://github.com/openvinotoolkit/openvino_tensorflow/tree/master/docker#prebuilt-images

用于OpenVINO™与TensorFlow集成的Dockerfiles：

openvino_tensorflow/docker at master · openvinotoolkit/openvino_tensorflow · GitHub

Dockerfiles for TensorFlow Serve with OpenVINO™与TensorFlow集成：

https://github.com/openvinotoolkit/openvino_tensorflow/tree/master/docker#dockerfiles-for-tf-serving...

要尝试的notebook：

https://github.com/openvinotoolkit/openvino_tensorflow/blob/master/examples/notebooks

资源

• 下载最新版本的OpenVINO工具包
• 通过英特尔®DevCloud：边缘工作负载访问最新的英特尔硬件
• 使用包含预配置软件的参考实施实现快速跟踪开发

https://www.codeproject.com/Articles/5344844/OpenVINO-Integration-With-TensorFlow-Now-Comes-Wit